[發明專利]一種基于改進DeepLabV3+的露天礦區土地利用識別方法

有效

• 申請號: 202110843211.1
• 申請日: 2021-07-26
• 公開（公告）號: CN113435411B
• 公開（公告）日: 2022-06-17
• 發明（設計）人: 李軍;杜守航;楊金中;張成業;邢江河;鄭慧玉;李煒
• 申請（專利權）人: 中國礦業大學（北京）;中國自然資源航空物探遙感中心
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V10/80;G06V10/774;G06V10/40;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 成都華辰智合知識產權代理有限公司 51302
• 代理人: 秦華云

本發明公開了一種基于改進DeepLabV3+的露天礦區土地利用識別方法，首先制作礦區不同土地利用類型樣本數據集，構建DeepLabV3+網絡模型，采用Xception作為基礎網絡架構提取低層和高層特征，其次通過改進的空間金字塔池化提取多尺度特征信息，然后將多尺度特征輸入到注意力機制模塊中，增強網絡模型的分類能力；最后，聚合Xception低層特征與多尺度高層特征，通過卷積和上采樣得到模型預測結果。本發明通過低層特征多尺度空間信息融合減少網絡逐層卷積池化導致的邊緣信息損失，提高了分割精度，通過引入空間注意力機制模塊聚合多尺度上下文信息，增強網絡模型的分類能力，通過占比加權的方法解決網絡訓練中樣本不平衡的問題，提高了各類別用地的分類識別精度。

技術領域

本發明涉及遙感影像處理、深度學習語義分割領域，尤其涉及一種基于改進DeepLabV3+的露天礦區土地利用識別方法。

背景技術

露天礦的開采帶來了一系列的生態問題，露天礦區的動態監測和統計對于區域生態環境保護具有重要意義，因此實現露天礦區不同用地類型的高效和準確識別是目前亟待解決的問題之一。傳統的用地識別提取是通過外業調查或者影像人工勾繪的方式獲取。隨著遙感技術的快速發展，人們可以獲取大量的高分辨率遙感對地觀測數據，使得基于高分影像數據自動分類的方式逐漸替代了傳統的人工方式，能夠快速高效地應用于露天礦區不同用地類型的自動識別。

語義分割目的是對圖像中的每一個像素進行分類，即實現像素級別的分類。傳統的非深度學習方法通過提取人工特征作為視覺信息來進行影像分割，但是非深度學習方法受人工特征選取的限制較大，精度一直沒有增加很多。卷積神經網絡能夠提取影像結構化的深度特征，極大提高了影像的分類精度。傳統深度學習語義分割方法采用卷積神經網絡模型實現逐像素的影像分類，但是卷積神經網絡中連續的下采樣池化導致特征圖尺寸不斷減小，丟失了圖像的細節信息，往往對于一個影像塊輸出一個類別標簽。全卷積神經網絡(FCN，Fully Convolutional Networks)將全連接層替換為卷積層來輸出一種空間域映射(反卷積)而非簡單輸出類別的概率，從而將圖像分割問題轉換為端對端的圖像處理問題，奠定了深度學習語義分割技術的基本框架。現如今，越來越多的語義分割模型被提出，UNet、SegNet模型采用了編碼器-解碼器結構，編碼器提取特征圖像，解碼器將特征圖像恢復到原始尺寸大小。PSPNet采用空洞卷積，在參數不變的情況下，有效增加了卷積核的感受野大小。DeepLabV3+是目前精度最高的語義分割算法之一，其采用了空間金字塔池化模塊，通過使用不同孔洞大小的卷積核對特征圖進行卷積，捕獲多尺度特征，同時采用編碼器解碼器結構補充圖像細節信息。

但是，將DeepLabV3+網絡應用于露天礦區土地利用語義分割中，面臨三個問題：1)編解碼結構恢復圖像細節信息，但是下采樣的過程仍然丟失了很多細節信息，不利于露天礦不同用地類型的高精度提取；2)雖然采用了不同擴張率的空間金字塔池化捕獲多尺度上下文信息，但是仍然缺乏利用全局上下文信息的能力，從而限制了語義分割的效果；3)露天礦場景下不同用地類型之間的像素比例相差較大，如果使用相同的權重直接訓練網絡則會使網絡傾向于將面積小的類別分類為占比大的類別。因此，需要對DeepLabV3+網絡進行改進和優化，使其能夠實現高精度的露天礦區不同土地利用類型的語義分割。

發明內容

針對現有技術存在的不足之處，本發明的目的在于提供一種基于改進DeepLabV3+的露天礦區土地利用識別方法，首先通過低層特征多尺度空間信息融合減少邊緣信息損失，提高分割精度，其次通過引入注意力機制模塊聚合多尺度上下文信息，篩選更有用的語義信息，增強網絡模型的分類能力，最后采用占比加權的方法解決網絡訓練中樣本不平衡的問題；通過上述方法來提高露天礦區不同土地利用類型的語義分割精度，滿足實際應用需求。

本發明的目的通過下述技術方案實現：

一種基于改進DeepLabV3+的露天礦區土地利用識別方法，其方法如下：

A、制作露天礦區多類別用地樣本數據集：